坐上牙醫診間那張冰冷的椅子，多數人真正緊張的，往往不是鑽牙聲，而是那支細長的牙周病探針。為了測量牙周囊袋深度，探針必須深入牙齦與牙齒之間的縫隙，那種刺痛與心理壓力，使不少人把「定期檢查」一拖再拖。
最近，我看到一家醫療影像 AI 新創，正嘗試用科技拆解這份恐懼。他們沒有高調談顛覆，而是務實地解決一個具體痛點：能否用非侵入式方式完成高準確度篩檢？能否讓預防醫學真正落地？
這不只是工具升級，而是診療流程、商業模式與醫病關係的再設計。一、牙周病：被低估的全身健康風險
在台灣，牙周病幾乎是全民級疾病。推估潛在患者超過 1,600 萬人，每年健保與自費相關支出超過 450 億元，其中自費市場約占三成以上。
更重要的是，它與多項慢性疾病高度相關：
- 失智症風險增加 1.5–3 倍
- 心血管疾病風險顯著上升
- 孕婦早產與低體重兒機率增加
但因為早期無症狀，加上探針檢測的恐懼，牙醫診所往往成為「痛了才來」的地方，而非健康管理的起點。
如果能降低檢測門檻，早期篩檢率將出現結構性改變。
二、92% 準確度背後的技術邏輯
這家新創以環口 X 光片結合雙模型 AI 演算法，分析齒槽骨流失比例。語義分割與實例辨識模型交叉驗證，使臨床準確度達 92%。
三個改變值得注意：
- 以影像取代探針，降低不適與恐懼
- 診斷標準化，減少醫師間差異
- 影像可長期比對，形成數據化追蹤
根據回饋，七成以上民眾更願意選擇無痛 AI 檢測。當體驗提升，行為就會改變；當行為改變，市場規模就會擴大。
三、45% 時間節省，重塑診所經濟模型
傳統牙周檢測流程約 35 分鐘，導入 AI 後可縮短至 19 分鐘，節省約 45%。
但真正的關鍵在於：
- 自動報告生成
- 標準化影像標籤
- 健保申報邏輯輔助
這代表診所能提升單位時間產值，降低錯誤率，同時提高自費轉換率。
從投資視角來看，這是一種高毛利、可複製、具網絡效應的 B2B2B 模式——平台導入越多院所，數據價值越高，演算法越精準，進入門檻越高。
四、從牙科走向手術室：AI 成為術中助手
團隊進一步開發術中影像辨識系統，目標是在微創手術中提供即時輔助。
技術指標包括：
- 影像延遲低於 50 毫秒
- 組織辨識精準度高於 85%
- 自動生成手術紀錄
在高壓環境中，AI 能協助辨識關鍵構造，減少誤判風險。這不是取代醫師，而是成為醫師的數據外掛。
這類產品若取得 SaMD 認證，將進入高附加價值醫材市場，商業天花板明顯高於單一診所工具。
五、醫療 AI 的責任邏輯
當 AI 進入臨床，監管與問責不可缺席。
必須建立：
- 風險評估與持續監測機制
- 演算法透明度
- 明確責任分界
醫療 AI 的定位應是輔助決策工具，而非最終判斷者。專業仍屬於醫師，責任不能外包給演算法。
結語：這為什麼是Dream coFounder會看的題目？
如果站在 Dream coFounder（DC）的投資框架來看，這個案子符合幾個核心條件：
- 解決真實且高頻痛點 —— 牙周病市場龐大且長期存在
- 數據壁壘可建立 —— 影像資料累積將形成護城河
- 可跨場域延伸 —— 從牙科延伸至手術室
- 符合高齡與預防醫學趨勢 —— 結構性成長市場
- 社會影響力明確 —— 提升早期篩檢率，降低全身疾病風險
DC 一直關注「雙回報」機會：既有商業成長曲線，也具社會價值放大效應。
當一個產品能同時提升醫療效率、改善病患體驗、降低長期醫療成本，並具備國際擴張潛力，這就不只是科技故事，而是結構性機會。
對我而言，真正值得思考的不是「AI 會不會取代醫師」，而是——
當數據與專業深度結合，我們是否正在迎來一個更理性、更透明、更可追蹤的醫療時代？
這，正是 DC 會持續關注的方向。
